Skip to navigation – Site map

HomeContentsLes comptes rendus2018Gary Goertz, Multimethod Research...

Gary Goertz, Multimethod Research, Causal Mechanisms, and Case Studies. An Integrated Approach

Damien Larrouqué
Multimethod Research, Causal Mechanisms, and Case Studies
Gary Goertz, Multimethod Research, Causal Mechanisms, and Case Studies. An Integrated Approach, Oxford, Princeton University Press, series: « Political science », 2017, 298 p., ISBN : 9780691174129.
Top of page

Full text

  • 1 Née aux États-Unis à la fin des années 1960 dans le domaine de la psychologie cognitive, la méthode (...)

1Avant d’être un manuel méthodologique explicitant les différentes manières d’appréhender et de traquer les facteurs de causalité (causal mechanisms) à l’œuvre dans tout processus – qu’il soit historique, politique, sociologique ou même biologique –, le livre de Gary Goertz, professeur de science politique à l’Université de Notre Dame (Indiana), est d’abord un plaidoyer pour une approche scientifique qu’il qualifie de « multi-méthode » (multimethod research). Au sein d’un même projet de recherche, il s’agit de croiser des études de cas de type qualitatif avec des mesures statistiques, voire avec des approches expérimentales ou empruntées à la théorie des jeux. La combinaison de ces différentes approches, réunies au sein de ce qu’il dénomme en introduction la « triade de recherche » (research triad), est une garantie de scientificité. Ainsi, d’après l’auteur, les études de cas ont le mérite d’expliciter des faits, en se proposant notamment d’en comprendre l’origine via la méthode dite du process tracing1. Mais, à elles seules, elles sont insatisfaisantes, si elles ne s’accompagnent pas d’une analyse quantitative permettant de mesurer, sur un plan empirique plus large, la validité des facteurs de causalité, qui auront été potentiellement et/ou préalablement déterminés sur la base de modélisations théoriques. Si un tel protocole de recherche apparaît ambitieux, les résultats de l’investigation ne pourront cependant être que plus précis et d’autant moins réfutables (par le ou les contre-exemples) que les cas empiriques, le cadre temporel ou la portée démographique (scope) de l’étude auront été mûrement choisis et définis. L’une des obsessions intellectuelles de l’auteur est précisément la question de la « généralisabilité » des résultats (generalizability), à laquelle il consacre notamment le dernier chapitre de son ouvrage.

  • 2 Plusieurs pages sont ainsi consacrées à la découverte des facteurs de propagation du choléra par Jo (...)

2À mi-chemin entre le manuel pédagogique et l’essai scientifique, ce livre est un vrai outil heuristique. Exigeante certes, mais illustrée par des graphiques récapitulatifs et autres tableaux de synthèse, la réflexion de Gary Goertz demeure assez facile à suivre. Après l’introduction générale, l’ouvrage se divise en sept chapitres théoriques qui tous mobilisent, en guise d’illustration, des exemples empiriques issus de travaux académiques assez larges, relevant principalement de la science politique américaine (transitology, peace studies, international relations, etc.), mais aussi de l’histoire, de la sociologie et même de l’épidémiologie2. Posant les définitions clefs, les trois premiers chapitres (numérotés de 2 à 4) constituent une lecture obligatoire pour comprendre les trois suivants, beaucoup plus pointus. Dans les limites de cette recension, nous ferons en sorte de résumer la substantifique moelle de cette première moitié d’ouvrage, en empruntant néanmoins au chapitre 5 l’une de ses illustrations empiriques.

  • 3 Glennan Stuart, « Mechanisms and the nature of causation », Erkenntnis, n° 44, 1996, p. 53.

3Dans le second chapitre, l’auteur précise tout d’abord ce qu’il entend par « mécanisme causal ». S’appuyant sur plusieurs définitions académiques dont celle de Stuart Glennan – selon lequel le mécanisme causal constitue « un système complexe qui produit un résultat par l’interaction d’un certain nombre de facteurs »3 –, Gary Goertz souligne le fait qu’un mécanisme causal génère un résultat (outcomes), mais ne doit pas faire oublier qu’il peut aussi les empêcher. Le cas échéant, on les dénomme alors « constraint causal mechanisms ». Graphiquement, un mécanisme causal s’illustre par la relation suivante : X > M > Y, où M est la variante « active » (intervening variable) entre une situation donnée X et un résultat Y. Cette relation de cause à effet implique souvent, mais pas nécessairement, une séquence temporelle entre X et Y que M remplit en quelque sorte. Comme l’auteur le précise, la complexité de ce modèle d’apparence simple, c’est qu’il peut exister empiriquement plusieurs variantes actives M intervenant dans un même processus et qu’il n’est jamais aisé de les identifier avec certitude – certaines peuvent alors être qualifiées de « facteurs de confusion » (confounders). Par ailleurs, ces variantes sont aussi susceptibles de se renforcer mutuellement ou d’agir simultanément. Plusieurs facteurs aboutissant au(x) même(s) résultat(s), on parle alors d’équifinalité (equifinality). Il est également très difficile de savoir avec précision à partir de quand la « chaine causale » débute (en gros, quid de X ?). Enfin, comme on vient de le signaler, certains facteurs agissant comme « mécanisme de contraintes » (C) peuvent également interrompre le processus. Par l’action de C, même si X et M sont présents (X=1, M=1), Y ne l’est plus (Y = 0). C’est à partir des données de cette équation que l’auteur bâtit son troisième chapitre qui est vraisemblablement l’un des plus stimulants.

4Il s’agit là de définir les différentes situations analytiques possibles. Elles sont au nombre de quatre, que l’auteur présente dans un tableau à double entrée. Premièrement, X=1 et Y=1, c’est ce qu’il dénomme la « cellule du mécanisme causal » (the causal mechanism cell, 1,1) qui est a priori la plus intéressante pour le chercheur entendant expliquer par quel processus une situation donnée X a abouti à un résultat Y. Afin que l’analyse soit rigoureuse, l’auteur invite toutefois le chercheur à recenser, dans la mesure du possible, tous les cas X envisageables, avant de préciser ceux qu’il conserve (ou écarte) et pour quelle(s) raison(s). Il précise par exemple que si, dans l’absolu, il apparaît pertinent de comparer le Venezuela et la Colombie, il pourrait être potentiellement plus judicieux, selon la variable indépendante à expliquer (Y), de sélectionner plutôt un pays asiatique ou africain. Plus audacieuse encore est l’idée que le chercheur peut choisir de travailler à partir de la cellule dite de « falsification » (the falsification-scope cell, 1, 0), qui rassemble les situations où X est présent (X=1) et, pourtant, Y n’est pas généré (Y=0). Ces études permettent d’infirmer ou de relativiser des travaux antérieurs ou, mieux encore, d’affiner l’analyse en réduisant son cadre empirique et en excluant, volontairement, les cas dissonants. Il existe aussi la cellule dite d’équifinalité (the equifinality cell, 0,1) qui correspond aux études empiriques où le mécanisme causal est absent (pas de X, donc pas de M), mais où le résultat est généré malgré tout. Ce type de situation analytique ne se prête qu’aux études quantitatives (large-N studies), seules à même d’identifier quels sont les facteurs de causalité alternatifs permettant d’expliquer la présence de Y en l’absence de X. Enfin, la dernière cellule, sobrement baptisée the 0,0 cell, où X comme Y sont absents, n’a a priori aucune utilité heuristique, mais elle permet en réalité de conduire des raisonnements contrefactuels auxquels l’auteur consacre son quatrième chapitre.

5Pour en comprendre les subtilités – sur lesquelles nous ne reviendrons pas ici –, il faut préalablement avoir fait la distinction entre les conditions nécessaires (necessary conditions) et les conditions suffisantes (sufficient conditions). Une condition est dite nécessaire quand l’absence de X est responsable de l’absence de Y, quelles que soient les autres variables en présence. En d’autres termes, X est ici la condition sine qua none de Y. Quand aux conditions suffisantes, connues sous leur acronyme anglais SUIN pour « a Sufficient but Unnecessary part of a factor that is Insufficient but Necessary for an outcome » (p. 103), elles sont certes fondamentales mais ne déterminent pas, prises individuellement, la survenue de Y. Selon l’auteur, pour identifier les premières, il est opportun de choisir les cas dans la cellule de falsification (1,0), alors que pour identifier les secondes, c’est dans la cellule qui conduit à un raisonnement contrefactuel (0,0) qu’il convient de puiser.

  • 4 Skocpol Theda, États et révolutions sociales. La Révolution en France, en Russie et en Chine [1979] (...)

6En guise d’illustration, l’auteur fait référence dans le cinquième chapitre, consacré aux « interactions entre mécanismes causaux », au célèbre ouvrage de Theda Skocpol dans lequel elle a tâché d’expliquer la survenue des révolutions4. Son hypothèse est que la décomposition institutionnelle (State breakdown) et la mobilisation paysanne (Peasant revolt) constituent les facteurs déterminants et suffisants (ou mutuellement nécessaires) des révolutions sociales (Social revolutions). L’équation est la suivante X1 AND X2 > Y. Or, empiriquement, Gary Goertz constate que cette équation ne se vérifie que dans deux des huit cas qu’elle a étudiés : la France et la Russie (1+1 >1). La Chine est un cas empirique plus fragile (1 + 0 75 > 1). Il y a certes eu révolution, mais la question de la mobilisation rurale a été moins prégnante qu’en France et en Russie. Du reste, les cas du Royaume-Uni (1+0 > 0,5) et du Japon (0,5 + 0 > 0,5) apparaissent comme des contre-exemples intéressants de « falsification » du modèle. Car, s’il n’y a pas eu de mobilisation paysanne, on constate cependant un semblant de révolution sociale (Y=0,5). Or, pour que l’hypothèse de départ soit confirmée, X2 aurait dû être plus faible que Y. Pour Goertz, il aurait donc fallu choisir (ou dénicher) au moins un cas empirique supplémentaire (par exemple, l’Espagne du XVIIe siècle) où X1=0 et X2=1, afin de précisément déterminer si, en l’absence de révolution (Y = 0), X1 (State Breakdown) n’est pas, en réalité, la variable la plus déterminantes des deux. Pour l’auteur, seul un croisement des approches qualitatives et quantitatives, voire expérimentales – telles que présentées dans le chapitre 6 – permet de mieux appréhender les mécanismes de cause à effet, en évitant les fourvoiements erronés et les écueils liés à la surinterprétation.

7En conclusion, ce livre est d’une grande utilité heuristique. Il ne se lit pas qu’une fois. Il se consulte comme un outil méthodologique. Le chercheur intéressé par l’explication des processus sociaux via la perspective comparée y trouvera une mine d’informations, à laquelle cette courte recension ne saurait rendre justice. Il nous invite tout particulièrement à mieux choisir nos cas d’études et propose diverses méthodes pour les analyser.

Top of page

Notes

1 Née aux États-Unis à la fin des années 1960 dans le domaine de la psychologie cognitive, la méthode du process tracing a été importée dans la science politique par le professeur à Stanford Alexander L. George une dizaine d’années plus tard. Elle constitue aujourd’hui l’une des méthodes les plus répandues pour analyser, à partir d’hypothèses formulées sur les causes qui auraient produit le résultat à expliquer, les différentes séquences d’un processus social. Pour plus de renseignements, voir Bennett Andrew et Jeffrey Checkel, « Process tracing: From philosophical roots to best practices », in Process Tracing. From Metaphor to Analytic Tool, Cambridge, Cambridge University Press, 2015, p. 3-37.

2 Plusieurs pages sont ainsi consacrées à la découverte des facteurs de propagation du choléra par John Snow durant la première moitié du XIXe siècle (p. 18 sqq.).

3 Glennan Stuart, « Mechanisms and the nature of causation », Erkenntnis, n° 44, 1996, p. 53.

4 Skocpol Theda, États et révolutions sociales. La Révolution en France, en Russie et en Chine [1979], Paris, Fayard, 1985.

Top of page

References

Electronic reference

Damien Larrouqué, « Gary Goertz, Multimethod Research, Causal Mechanisms, and Case Studies. An Integrated Approach », Lectures [Online], Reviews, Online since 10 September 2018, connection on 18 April 2024. URL : http://journals.openedition.org/lectures/26415 ; DOI : https://doi.org/10.4000/lectures.26415

Top of page

Copyright

The text and other elements (illustrations, imported files) are “All rights reserved”, unless otherwise stated.

Top of page
Search OpenEdition Search

You will be redirected to OpenEdition Search